深研院潘锋团队在构建材料知识图谱及以此预测新型锂电池材料取得进展
2022.04.02北京大学深圳研究生院新材料学院潘锋教授团队近年来致力于构建材料知识图谱以及解决其关键科学问题和技术难题，发展了一套高精度且高效的同名消歧以及信息搜索框架.
北京大学深圳研究生院新材料学院潘锋教授团队近年来致力于构建材料知识图谱以及解决其关键科学问题和技术难题，发展了一套高精度且高效的同名消歧以及信息搜索框架.
近日，北京大学深圳研究生院新材料学院潘锋课题组在《国家科学评论》（National Science Review）发表了研究论文。
韩伟课题组运用多尺度计算模拟方法，对β淀粉样蛋白（Aβ）聚集过程进行了大尺度模拟，深入研究了早期阶段产生的Aβ多聚体的拓扑结构和形成机理，在分子层次上揭示了Aβ致病与非致病亚型之间在早期自组装过程的差异，为理解Aβ多聚体毒性产生机制提供了重...
近日，城市规划与设计学院博士后何张源、岳峰获得2021年中国博士后科学基金第70批面上项目二等资助。余玲、何张源获得2022年度广东省自然科学基金资助。
近日，信息工程学院（以下简称：信息学院）张敏副教授课题组和化学生物学与生物技术学院（以下简称：化生学院）李子刚教授/尹丰研究员课题组合作在生物传感器领域国际知名期刊Biosensors and Bioelectronics上发表题为“Tetrahedral DNA nanostructure bas...
深入理解与分析电池（包括锂离子、钠离子、空气电池等）运行过程中的体相和界面行为对于电池性能的持续改进具有重要意义。
大数据和人工智能与化学基因和材料基因的融合正推动生物医学和新材料的前沿科学发展。近年来，机器学习，尤其是深度学习，已经成为基于数据驱动的分子尺度发现化学基因和材料基因强大方法。2019年冠状病毒病（COVID-19）爆发一年后还没有特异性的有效药物...
机器学习在各领域的广泛应用促生其在材料领域的应用，它提供了一种新型的工具，即能从高维数据中发现数据间的规律，有助于减少计算量从而加速对新材料的探索。特征提取（特征工程）是机器学习的关键组成部分，选择合适的形式来表达将直接影响最终模型的效...
城规学院吴健生教授团队在PNAS发文揭示全球供应链中的生物多样性威胁和责任缺口
化学生物学与生物技术学院周建荣课题组周建荣课题组在镍催化不对称还原加成领域取...
科学智能学院陈语谦团队与合作者研究成果发表于IEEE TPAMI、Science Advances和Nat...
科学智能学院莫凡洋团队与合作者研究成果在《美国化学会志》和《德国应用化学》连...
环境与能源学院大气组在ES&T发表城市臭氧机制约束学习新框架
新材料学院潘锋/楼子瑞团队在Advanced Materials报道基于氧化重构制备互连闭孔的高...
新材料学院潘锋团队在Nature Communications上报道高电压钴酸锂内部裂纹形成和扩展...
新材料学院郑家新课题组Nature Machine Intelligence：探索电解液配方模型的泛化边...
